Il ruolo degli esperti marketing sta cambiando, e con esso evolve anche il rischio di errore. Negli ultimi due anni, l’IA ha supportato gli esperti marketing nello svolgimento del lavoro: redigere e-mail, sintetizzare campagne e suggerire segmenti. Ora gli agenti iniziano a svolgere un lavoro concreto: ricevono un obiettivo, pianificano i passaggi, operano su più sistemi e restituiscono un risultato, anziché limitarsi a fornire informazioni a supporto delle persone. Con questo cambiamento, il ruolo degli esperti marketing si sposta dalla produzione del lavoro alla sua direzione e supervisione.
È qui che il marketing ha più da guadagnare. Gran parte del lavoro è automatizzabile perché è articolato su più fasi e ripetibile. Tuttavia, poiché il risultato tocca direttamente il brand e il cliente, il margine di errore è minimo. Gli agenti, quindi, hanno pochissimo spazio per operare per congetture. Quando una persona esamina ogni output, gli errori emergono subito. Quando un agente gestisce da solo una campagna in 10 passaggi, un’ipotesi errata nelle prime fasi del processo diventa l’input del passaggio successivo. Gli errori si moltiplicano senza che nessuno li noti, perché gli agenti tendono a colmare le lacune informative con risposte sicure senza quasi mai segnalare che manca qualcosa. Se si pubblica del lavoro costruito su tali ipotesi, questo raggiunge clienti reali con la voce del brand, generando un rischio di cui qualcuno dovrà rispondere.
A rendere un agente affidabile non è il modello, ma il contesto
Oggi ogni seria piattaforma di marketing si basa su modelli di IA paragonabili. La differenza tra un agente affidabile e uno che non lo è non risiede nel modello, ma nel contesto di cui dispone nel momento in cui agisce: cosa sa, cosa è autorizzato a fare e cosa significa “buono” per il brand. Un modello capace con il contesto sbagliato commette errori con sicurezza; lo stesso modello con il contesto giusto svolge un lavoro utile in sicurezza. Dunque la vera domanda per un’organizzazione marketing che valuta l’affidabilità degli agenti non è «Quale IA?», ma «Quale contesto?».
Cosa rende un flusso di lavoro contestuale?
I dati più ricchi e attendibili su come viene realmente svolto il lavoro di un’organizzazione marketing sono racchiusi nei suoi flussi di lavoro: l’obiettivo della campagna, scadenze e dipendenze, responsabilità di approvazione, attività completate e lavoro in sospeso. Tutta la consapevolezza situazionale di cui un agente ha bisogno è quindi già disponibile in una forma regolamentata e responsabile.
Per portare questo approccio in produzione in modo sicuro, tutto si riduce a sei decisioni di design. Per gli esperti marketing, queste decisioni convergono in un’unica esigenza concreta: un solo luogo in cui persone e agenti collaborano, ogni agente dispone del contesto giusto, opera entro i limiti appropriati e lascia una traccia di chi ha fatto cosa.
1. Gli agenti sono partecipanti di primo livello nel modello di lavoro
Considerare un agente come un assegnatario al pari di una persona richiede una modifica al modello di dati, non semplicemente l’aggiunta di un bot al sistema. Un agente necessita di una propria identità, credenziali e un ambito di autorizzazioni basato su ruoli e attributi, così da garantire che le sue azioni siano regolate dalle policy anziché da un prompt. Poiché gli agenti scalano con token ed esecuzione parallela anziché con il personale, sono necessari controlli sulle risorse che tradizionalmente non riguardano gli esseri umani, come budget dei costi e limiti di concorrenza. I campi di assegnazione, attribuzione e approvazione devono poter fare riferimento a un attore — che si tratti di una persona o di un agente — per garantire che la responsabilità si estenda a entrambi.
2. Per ogni fase, il contesto si costruisce dal registro
È qui che entra in gioco la disciplina del context engineering. Il contesto si compone da zero per ogni fase, anziché essere caricato una sola volta e riutilizzato. L’obiettivo è fornire il set minimo di informazioni aggiornate, ad alto segnale e autorizzate, necessarie per il compito in questione: più dati non equivale necessariamente a risultati migliori. Un modello dispone di un budget di attenzione finito e, man mano che la finestra di contesto si riempie, la sua capacità di identificare ciò che conta di più diminuisce, rischiando di seppellire le informazioni più rilevanti in una massa di contesto.
Le attività in un flusso di lavoro agentico devono recuperare il contesto pertinente in tempo reale, combinando risultati di ricerca specifici per il compito — ottenuti tramite query strutturate, ricerca semantica e graph traversal — con sintesi compresse delle fasi precedenti. In questo modo, l’agente dispone delle informazioni più aggiornate e ad alto segnale per il compito in questione. Per operare su scala enterprise, i filtri di autorizzazione devono essere applicati ai dati in fase di esecuzione, garantendo che l’agente utilizzi solo il contesto a cui la propria identità è autorizzata ad accedere. Il contesto risultante deve inoltre essere conservato e reso referenziabile nella cronologia del flusso di lavoro, così che gli stakeholder possano vedere esattamente quale contesto ha informato ogni azione e il relativo output.
3. Il registro delimita le decisioni
Per essere utili su larga scala, gli agenti devono prendere decisioni autonome. Se una persona deve verificare ogni azione alla ricerca di errori, l’agente non porta alcun risparmio di tempo. La soluzione sta nel separare la guida dalle regole. Il contesto che l’agente riceve orienta il suo ragionamento e la pianificazione, come un brief che descrive gli obiettivi. Le regole che non possono essere infrante — come i requisiti del brand, i limiti legali o le soglie di approvazione — non possono dipendere da una corretta interpretazione da parte dell’agente. È il sistema a verificare ogni azione rispetto a quelle regole prima che venga eseguita. Se un’azione non supera il controllo, l’agente viene rimandato a rivedere il proprio lavoro finché non è conforme.
4. I passaggi di consegna sono tipizzati e presidiati
Un passaggio di consegna è qualsiasi punto in cui il lavoro passa da una parte all’altra: da una persona a un agente, tra agenti, da un agente a un altro sistema o di nuovo a una persona. È proprio qui che il lavoro a più fasi tende a interrompersi con maggiore frequenza, quindi ogni passaggio deve rispettare regole chiare. Ogni passaggio deve includere le informazioni necessarie per la fase successiva e un registro di chi o cosa era autorizzato a svolgere il lavoro, verificando che il risultato sia completo e nel formato previsto prima di procedere. Senza questi controlli, un errore in una fase si propaga a quelle successive, allontanandosi sempre di più dall’intenzione originale.
5. Governance applicata a ogni passaggio, con registro di chi ha fatto cosa
Le persone definiscono le policy, che il sistema applica in modo automatico ogni volta che il lavoro passa da una fase all’altra. A ogni passaggio, il sistema verifica che le decisioni e le azioni dell’agente soddisfino tutti i requisiti — autorizzazione adeguata, policy aziendali e soglie di approvazione — e solo allora il lavoro può continuare. Questi controlli aggiungono un secondo livello di controllo qualità a quello già svolto dagli agenti stessi, assicurando che ogni agente rispetti le stesse regole a ogni esecuzione del flusso di lavoro.
6. Tutto è osservabile nelle attività umane e degli agenti
Ogni fase lascia un registro di ciò che è accaduto: le informazioni usate dall’agente, gli strumenti richiamati, le decisioni prese e le relative motivazioni, il livello di fiducia, il risultato, i tempi e i costi. Non si tratta di semplice archiviazione: è una funzionalità fondamentale. In un flusso di lavoro con molte fasi, non è possibile capire cosa sia andato storto alla fase 14 guardando solo il risultato finale. Per questo il sistema conserva un registro salvato di ogni esecuzione, offrendo ai team un resoconto affidabile di quanto accaduto. Insieme al flusso di lavoro governato, questa cronologia è lo strumento con cui i team supervisionano un numero crescente di agenti senza perderne traccia.
Un’unica fonte di verità tiene tutto insieme. Il sistema del flusso di lavoro rimane un’unica piattaforma unificata, che garantisce la governance necessaria per assicurare la qualità su scala enterprise; i modelli e gli agenti che vi operano — agenti Adobe, di terze parti, personalizzati e sviluppati internamente, ecc. — sono intercambiabili. Il controllo del sistema è centralizzato proprio per consentire un’esecuzione distribuita. In questo modo, le aziende possono adottare agenti senza legarsi al modello di un singolo fornitore né essere vincolate dagli agenti specifici supportati dal sistema.
Come Adobe Workfront lo realizza e perché è diverso
Questa è l’architettura che stiamo integrando in Adobe Workfront, e si adatta in modo naturale perché Workfront è sempre stato progettato per offrire registri di lavoro contestuali. L’acquisizione strutturata delle richieste, le approvazioni attribuibili, il coordinamento con gestione delle dipendenze e la visibilità del portfolio sono stati concepiti per coordinare le persone e il loro lavoro. Ed è proprio questa base che rende gli agenti affidabili per gestire il lavoro: un registro chiaro degli obiettivi, anche quando la richiesta nasce da una conversazione; un modello di approvazione che sa già chi può dare il via libera; e una mappa delle dipendenze che mostra come le attività si connettono. Trasformare Workfront nello spazio in cui persone e agenti collaborano è un’evoluzione naturale, non una reinvenzione.
In questo modello, Adobe Workfront collaboratori IA sono la voce e le mani. Permettono agli esperti marketing di esprimere le proprie intenzioni ed eseguire il lavoro necessario a realizzarle su sistemi Adobe e di terze parti, il tutto all’interno della piattaforma Workfront già conosciuta, governata e affidabile. E stiamo accelerando. I progetti Adobe Coworker, basati su Workfront, sono il prossimo esempio concreto di come Workfront abilita la collaborazione tra persone e agenti su larga scala, offrendo un insieme di funzionalità più ampio che mai.
Ecco cosa distingue Workfront e Adobe da qualsiasi strumento standalone di gestione del lavoro. Un flusso di lavoro è consapevole del contesto solo nella misura in cui può accedervi: uno strumento standalone vede il lavoro, ma non il brand, il cliente, i contenuti o la campagna che lo sottendono. Workfront è integrato nello stack martech di Adobe, a fianco dei sistemi che gestiscono profili cliente e consenso (Adobe Experience Platform e Adobe Real-Time CDP), customer journey (Adobe Journey Optimizer), analisi (Adobe Customer Journey Analytics), contenuti e risorse digitali (Adobe Experience Manager e la soluzione GenStudio per la content supply chain), insieme ad Adobe Brand Intelligence. Ciò significa che un flusso di lavoro Workfront può rendere un agente consapevole, in modo nativo, non solo del lavoro, ma anche del brand da rispettare, del cliente da servire, dei contenuti disponibili e dei risultati generati, tutto in un unico posto e su scala enterprise. Nessun’altra piattaforma di gestione del lavoro offre lo stesso livello di contesto marketing integrato.
Siamo onesti: stiamo ancora lavorando in questa direzione, senza pretendere di essere già al traguardo. Ma è il vantaggio strutturale derivante dal posizionamento di Workfront a fare la vera differenza, un vantaggio che uno strumento standalone non può colmare aggiungendo funzionalità. È la differenza tra un sistema di flusso di lavoro consapevole delle attività e uno consapevole delle operazioni di marketing.
I flussi di lavoro consapevoli del contesto sono il fondamento.
Le organizzazioni marketing destinate al successo nell’era agentica non saranno quelle con il maggior numero di agenti, ma quelle i cui agenti possono essere incaricati di lavoro reale con fiducia. Questo richiede fiducia, che nasce dal flusso di lavoro attorno agli agenti, non dagli agenti stessi. Un flusso di lavoro consapevole del contesto è quello in cui si definiscono gli obiettivi, si applicano i guardrail, si fornisce il contesto adeguato, si mantiene la supervisione umana e si verificano e misurano i risultati. È questo che consente agli esperti marketing di delegare il lavoro agli agenti con sicurezza, ai CIO di governare e verificare le operazioni, e alle aziende di scalare a ritmo frenetico. Questo sistema di flusso di lavoro è ciò che Adobe Workfront sta costruendo in modo nativo all’interno dello stack martech di Adobe di livello mondiale, per alimentare la collaborazione uomo-agente. Il futuro si avvicina rapidamente e l’opportunità di plasmarlo è adesso.
Scopri di più sui collaboratori IA in Adobe Workfront.
